平滑型SLAM中數(shù)據(jù)關(guān)聯(lián)的魯棒性研究.pdf

1、同步定位與地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)是移動機器人自主導航的核心技術(shù)，是機器人在未知環(huán)境中自主完成復雜任務(wù)的關(guān)鍵，體現(xiàn)著機器人的智能化水平。數(shù)據(jù)關(guān)聯(lián)作為SLAM中關(guān)鍵問題，它決定了移動機器人定位的準確和地圖的精確，因此本文針對SLAM中數(shù)據(jù)關(guān)聯(lián)魯棒性進行了研究。
　　當前SLAM一般基于稀疏最小二乘求解，但是它要求數(shù)據(jù)關(guān)聯(lián)100％的正確，需要SLAM中前端具有高性

2、能的數(shù)據(jù)關(guān)聯(lián)。一旦出現(xiàn)錯誤數(shù)據(jù)關(guān)聯(lián)，就將導致結(jié)果發(fā)散。針對這一問題，Switchable Constraints(SC)和Max-Mixture Models(M-M)算法進行了初步探索，使得SLAM對環(huán)閉具有魯棒性，但未探討對環(huán)境路標的數(shù)據(jù)關(guān)聯(lián)魯棒性問題，且未能得到環(huán)境信息。
　　本文在SC算法基礎(chǔ)上，結(jié)合特征圖及其因子圖特點，提出一種對錯誤數(shù)據(jù)關(guān)聯(lián)魯棒的特征路標地圖SLAM算法（Robust Feature-landmarks

3、 Map SLAM Algorithm for Incorrect Data-associations，簡寫為RFM-SLAM）。RFM-SLAM算法通過對基于路標的拓撲圖增加開關(guān)因子節(jié)點，同時利用運動過程中所有的歷史信息，對機器人所經(jīng)過路徑中的錯誤數(shù)據(jù)關(guān)聯(lián)進行修正，優(yōu)化得到正確的機器人路徑、路標位置和機器人-路標拓撲關(guān)聯(lián)信息。
　　根據(jù)SLAM的概率理論和拓撲關(guān)系，RFM-SLAM算法不單增加開關(guān)因子，還在優(yōu)化公式中添加約束條件

4、，使算法能收斂到最優(yōu)解附近。通過對SLAM中矩陣稀疏性的理論分析和g2o(general graph optimization)使用，確保了算法的計算效率。在后端優(yōu)化過程中，開關(guān)因子改變SLAM問題的拓撲結(jié)構(gòu)，消除了錯誤數(shù)據(jù)關(guān)聯(lián)對優(yōu)化結(jié)果的影響。該算法提高了SLAM對數(shù)據(jù)關(guān)聯(lián)的魯棒性，使得前端和后端的關(guān)聯(lián)更緊密，保證了機器人定位的準確和路標地圖構(gòu)建的精確。最后通過仿真數(shù)據(jù)集和真實測試數(shù)據(jù)集的實驗以及與其他算法比較，RFM-SLAM算法性